Sniping in Online-Auktionen - Digitale Bibliothek Braunschweig

Transcription

Digitale Bibliothek Braunschweig
Sniping in Online-Auktionen
Ralf Peters
Chjristian Schmeißer
Veröffentlicht in:
Multikonferenz Wirtschaftsinformatik 2012
Tagungsband der MKWI 2012
Hrsg.: Dirk Christian Mattfeld; Susanne Robra-Bissantz
Braunschweig: Institut für Wirtschaftsinformatik, 2012
http://www.digibib.tu-bs.de/?docid=00048384
Sniping in Online-Auktionen
Ralf Peters
Martin-Luther-Universität Halle-Wittenberg,
Institut für Wirtschaftsinformatik und Operations Research,
06108 Halle (Saale), E-Mail: [email protected]
Christian Schmeißer
Institut für Wirtschaftsforschung Halle (IWH),
06108 Halle (Saale), E-Mail: [email protected]
Abstract
In Online-Auktionen werden Gebote oft gezielt kurz vor Ende der Auktion abgegeben. Diese als
Sniping bezeichnete Bietstrategie hat zum Ziel, einen starken Preisanstieg durch wechselseitiges
Überbieten zu vermeiden. Obwohl Sniping in Online-Auktionen häufig auftritt, konnten bisherige
empirische Untersuchungen keine statistisch gesicherten Preiseffekte nachweisen. Die vorliegende Analyse zeigt die Profitabilität von Sniping anhand einer empirischen Studie und untersucht mögliche Wirkungszusammenhänge anhand statistischer Merkmale.
1
Einleitung
Online-Auktionen haben zumeist eine Laufzeit von mehreren Tagen. Allerdings werden Gebote
oft nur wenige Sekunden vor dem Auktionsende abgegeben, um den Zuschlag zu einem möglichst geringen Preis zu erhalten. Dieses sogenannte Sniping hat sich in den letzten Jahren
zu einer weit verbreiteten Verhaltensweise und damit quasi zu einer „best-practice“-Strategie
entwickelt. Obwohl die weite Verbreitung von Sniping dessen Profitabilität nahelegt, wurde in
bisherigen Analysen bislang noch kein statistisch gesicherter Nachweis für diesen Zusammenhang erbracht (siehe hierzu [4], [6], [8] sowie [20]).
Die in diesem Aufsatz vorgestellte Analyse untersucht die Profitabilität von Sniping anhand von
Daten der Auktionsplattform eBay und überprüft, welcher Zusammenhang zwischen Sniping und
einer Preisveränderung existiert. Im folgenden Abschnitt wird zunächst ein Überblick zum Stand
der Forschung über Sniping gegeben. Anschließend wird die empirische Analyse beschrieben.
Danach folgt die Darstellung der Ergebnisse. Hier wird zunächst der statistische Zusammenhang
zwischen Sniping und einer Preisreduktion untersucht. Anschließend werden verschiedene
Wirkungszusammenhänge anhand statistischer Merkmale diskutiert. Der Beitrag schließt mit
einer Zusammenfassung und einem Ausblick.
2
2
Ralf Peters, Christian Schmeißer
Stand der Forschung
In bisherigen empirischen Untersuchungen hat sich gezeigt, dass die Häufigkeit der Gebote
stark von der Restlaufzeit einer Online-Auktion abhängt. Eine Häufung der Gebote ist dabei vor
allem in der Endphase der Auktionen zu beobachten. In einer Studie von Bajari und Hortaçsu [2]
erfolgen mehr als die Hälfte aller Gebote in den letzten 10% der Auktionszeit. In einer weiteren
Untersuchung zeigen Ockenfels und Roth [11], dass etwa 12% aller Gebote in den letzten zehn
Sekunden von eBay-Auktionen abgegeben werden.
Einen weiteren Einfluss auf den Zeitpunkt der Gebotsabgabe hat die Form des Auktionsendes.
Dabei lässt sich zwischen Auktionen mit festem Ende und solchen mit einem Countdown
unterscheiden, bei denen bei Geboten kurz vor Auktionsende die Restlaufzeit verlängert wird.
Ockenfels und Roth [11] zeigen, dass in Auktionen mit festem Ende etwa 20% aller Gebote
innerhalb der letzten Stunde abgegeben werden. In Auktionen mit flexiblem Ende beträgt dieser
Anteil lediglich 7%.
Der Zeitpunkt der Gebotsabgabe hängt ebenfalls von der Erfahrung eines Bieters ab. Wilcox [19]
zeigt, dass erfahrene Bieter später bieten als unerfahrene. Zu einem ähnlichen Ergebnis kommen Ariely et al. [1] in einer experimentellen Arbeit.
Ein breites Forschungsfeld beschäftigt sich mit der Motivation der Bieter, Sniping durchzuführen.
Dabei wird in der Literatur der mit Sniping in Verbindung gebrachte Effekt einer Preisreduzierung
unterschiedlich erklärt (siehe hierzu [3] S. 461ff.). Die verschiedenen Begründungen lassen sich
thematisch in
 die „beste“ Antwort auf inkrementelles Bieten,
 das Reduzieren des Bieterwettbewerbs,
 den Schutz vor Manipulationen,
 die Bewahrung der Möglichkeit, in Alternativauktionen zu bieten sowie
 die Vermeidung von Auktionsfieber
gruppieren.
Den Ausgangspunkt für Sniping bildet das wechselseitige Überbieten konkurrierender Auktionsteilnehmer. In einem derartigen inkrementellen Bietprozess lässt ein hinreichend spätes SnipingGebot den Konkurrenten keine ausreichende Reaktionszeit, wobei die für ein weiteres Gebot
nötige Reaktionszeit hier unter anderem durch die Latenzzeiten des Internet bei der Datenübertragung bestimmt ist. Diese Strategie ist vor allem gegenüber unerfahrenen Konkurrenten erfolgreich, selbst wenn diese viel höhere Zahlungsbereitschaften besitzen und wird beispielsweise
von Ockenfels und Roth [11] als Erklärung für das Auftreten von Sniping gegeben. Die internen
Bietagenten der Online-Auktionshäuser bieten Schutz vor dieser Sniping-Strategie, falls der
Bieter als Maximalgebot seine maximale Zahlungsbereitschaft angibt.
Ein anderer Erklärungsansatz für Sniping betrachtet den Informationsaustausch zwischen den
konkurrierenden Bietern im Rahmen ihrer Gebote. Hierbei wird angenommen, dass ein Bieter
umso besser gestellt ist, je weniger Informationen er von sich preisgibt und je mehr Informationen
von anderen Bietern veröffentlicht werden (vgl. [17] S. 40). In Auktionen, die sich dem CommonValue-Model zuordnen lassen, wird dieser Zusammenhang mit dem von Milgrom und Weber
[10] aufgestellten Linkage-Principle erklärt. Dieses besagt, dass sich der Auktionspreis mit der
3
Menge der den Bietern zur Verfügung gestellten Informationen erhöht. Für Auktionen, die dem
Independent-Private-Model entsprechen, stützt sich Rasmusen [13] auf die Annahme, dass sich
die Zahlungsbereitschaft erst im Verlauf der Auktion vollständig ausbildet. Da das Konkretisieren
der Zahlungsbereitschaft dem Bieter Kosten verursacht, erfolgt dies erst, sobald der Auktionsverlauf es notwendig macht. Sniping zielt darauf ab, diesen Prozess auf Seiten konkurrierender
Bieter nicht anzustoßen.
Ein weiterer Erklärungsansatz betrachtet den Schutz vor Manipulationen wie Phantomgeboten
und Shilling. Schindler [15] beschreibt dazu ein „Moral-Hazard“-Problem des Online-Auktionshauses, das mit der Nutzung der internen Bietagenten entsteht. Online-Auktionshäuser sind
aufgrund ihrer Gebührenstrukturen an hohen Auktionspreisen interessiert. Da die Bieter dem
Bietagenten ihre Zahlungsbereitschaft offenbaren, besteht für das Online-Auktionshaus die Möglichkeit zu Phantomgeboten, die den Auktionspreis erhöhen. Anhand von Sniping können die
Bieter den Einsatz derartiger Phantomgebote erschweren. Roth und Ockenfels [14] sowie Wang
et al. [18] betrachten in ähnlicher Weise die Gefahr von inkrementellen Shilling-Geboten seitens
des Verkäufers. Sniping bietet auch hier eine Strategie, die Informationen zurückhält und damit
die Zeit für eine derartige Manipulation verkürzt (vgl. [18] S. 3).
Peters und Severinov [12] interpretieren Sniping als eine Strategie, die es dem Bieter ermöglicht,
in Alternativauktionen zu bieten. Durch die Abgabe eines frühen Gebots entstehen dem Bieter
Opportunitätskosten aus der Wahrscheinlichkeit, dass in einer späteren Auktion das gleiche Gut
zu einem geringeren Preis verfügbar ist (vgl. [12] S. 236). Infolgedessen wird vermutet, dass
Sniping insbesondere bei Gütern mit hoher Substituierbarkeit Vorteile bietet.
Eine weitere Erklärung basiert auf der Annahme, dass Bieter anhand von Sniping ein „Auktionsfieber“ vermeiden möchten. Unter Auktionsfieber wird das Verhalten eines Bieters verstanden,
der sich in den wettbewerblichen Bietprozess so hineinsteigert, dass sich seine Zahlungsbereitschaft erhöht, obwohl er perfekte Informationen besitzt (vgl. [9] S. 90). In Befragungen von
Bietern, die Sniping durchgeführt haben, wurde spätes Bieten oft als bewusste Strategie zur
Vermeidung eines „Bieterkrieges“ angegeben (vgl. [14] S. 1100).
3
3.1
Empirische Analyse
Untersuchungsmethodik
Das Ziel der empirischen Analyse ist die Ermittlung der Profitabilität von Sniping sowie die Untersuchung von Wirkungszusammenhängen zwischen verschiedenen Merkmalen der Auktionen
und dem Einsatz von Sniping. Die Analyse verwendet Daten des Online-Auktionshauses eBay,
die über eine Schnittstelle per Internet gewonnen wurden. Das Kriterium der Profitabilität
von Sniping wird als erfüllt betrachtet, falls sich in den Sniping-Auktionen anhand statistischer
Hypothesentests ein signifikant geringeres Preisniveau zeigt.
Der Vergleich erfolgt anhand des einseitigen Wilcoxon-Rangsummentests (siehe hierzu [5]
S. 131ff.). Dieser Test überprüft, ob zwei mindestens ordinal skalierte Verteilungen gleiche
zentrale Tendenzen aufweisen. Ein Vorteil dieses nicht-parametrischen Tests besteht darin,
dass keine Kenntnisse über Verteilungsparameter der untersuchten Stichprobe benötigt werden.
So kann ohne zusätzliche Restriktionen eine einheitliche Analyse der verschiedenen Stichproben-Segmente erfolgen. Die Annahme der Alternativhypothese des Wilcoxon-Rangsummentests
zeigt dabei jeweils Unterschiede zwischen zwei Auktionsgruppen auf Basis eines gegebenen
4
Signifikanzniveaus. Auf Grundlage der Irrtumswahrscheinlichkeiten von 10%, 5% und 1% werden
signifikante Unterschiede entsprechend durch *, ** und *** ausgewiesen.
Den Ausgangspunkt der Analyse bildet die Identifikation von Sniping-Geboten. In der Literatur
werden Sniping-Gebote dadurch charakterisiert, dass sie kurz vor Auktionsende erfolgen, wobei
jedoch keine einheitliche Definition des relevanten Zeitintervalls existiert. In der vorliegenden
Analyse werden Gebote in den letzten zehn Sekunden einer Auktion als Sniping interpretiert.
Um den Einfluss des Zeitintervalls von zehn Sekunden auf die erzielten Ergebnisse zu prüfen,
wird eine ergänzende Sensitivitätsanalyse vorgenommen.
Sniping liegt in einer Auktion genau dann vor, falls innerhalb der letzten zehn Sekunden mindestens ein Gebot erfolgt. Erfolgen mehrere Gebote innerhalb dieser Frist, so können sich darunter
auch Gebote befinden, die nicht aus dem Motiv des Sniping heraus erfolgen, sondern als Reaktion auf ein Sniping-Gebot ausgelöst wurden. Dies gilt insbesondere für Gebote des internen
Bietagenten der Auktionsplattform, die jedoch anhand des Zeitstempels der initialen Gebotsabgabe eindeutig identifiziert werden können. Ein Sniping-Gebot führt daher nicht zwangsläufig
zum Gewinn der Auktion, sondern kann durch ein Gebot des internen Bietagenten auf der
Auktionsplattform oder eines anderen Snipers überboten werden. Im Ergebnis können damit
drei Gruppen von Auktionen unterschieden werden, die in Bild 1 dargestellt sind. Diese umfassen
Auktionen, in denen ein Sniping-Gebot gewinnt (ASG), Auktionen, in denen Sniping nicht zum
Gewinn der Auktion führt (ASkG) und Auktionen, in denen kein Sniping stattfindet (AoS).
Bild 1:
Gliederung der Auktionsgruppen
Die Auswertung der Ergebnisse erfolgt segmentiert nach Ländern und Auktionsgütern. Um
belastbare Ergebnisse zu erhalten, wird die Mindestanzahl zweier zu vergleichender Mengen
auf jeweils 30 Auktionen festgelegt. Die Segmente, die diese Anforderung nicht erfüllen, werden
bei den Ergebnissen gesondert ausgewiesen.
3.2
Datengrundlage
Die in der Analyse verwendeten Daten wurden zwischen Januar und März 2011 über eine
Schnittstelle des Online-Auktionshauses eBay per Internet bezogen. Dabei handelt es sich um
Auktionsdaten aus verschiedenen Produktkategorien der landesspezifischen Webseiten für
Deutschland und die USA. Es werden ausschließlich so genannte chinesische Auktionen, d. h.
offene, aufsteigende Auktionen, die dem englischen Auktionsformat ähneln, betrachtet.
Als Produktkategorien werden das „IPad 16GB 3G“, das „IPad 32GB 3G“, das „IPad 64GB 3G“,
das PC-Spiel „Sims 3“, das „Parfüm Chanel Mademoiselle“ sowie „Windows 7 Professional“
untersucht. Um den Einfluss unbeobachteter Heterogenitäten in der Analyse möglichst gering
zu halten, sind die Produktkategorien in Hinblick auf eine starke Homogenität der betroffenen
5
Auktionsgüter gewählt. Dazu zählen gleichartige Ausführungen, Qualitäten, Mengen und Zustände. Es werden nur Auktionen betrachtet, die in der Landeswährung erfolgten und deren
Artikelzustand mit „neu“ gekennzeichnet ist. Auktionen, die nicht exakt dem geforderten
Auktionsobjekt entsprechen, da sie beispielsweise eine mehrfache Anzahl oder die Kombination
von Produkten betreffen, werden nicht betrachtet. Der Datenbestand wird darüberhinaus um für
die Analyse störende Informationen bereinigt. So werden Auktionen mit einem Manipulationsverdacht aufgrund unplausibler Endpreise ausgeschlossen. Dazu zählen Auktionen, in denen
extrem hohe Endpreise erreicht wurden und die zwei höchsten Bieter nach der Auktion nicht
mehr im Auktionshaus angemeldet waren. Außerdem werden IPad-Auktionen mit Endpreisen
über 1.000€ sowie unter 200€ entfernt. Nach der Bereinigung stehen für die Analyse insgesamt
2.980 Auktionen von 2.155 Verkäufern zur Verfügung.
4
Ergebnisse
4.1
Häufigkeit von Sniping
In der Analyse werden in insgesamt 37% der untersuchten Auktionen Sniping-Gebote identifiziert. Die Häufigkeit der Sniping-Gebote variiert deutlich zwischen den verschiedenen Ländern
und Kategorien. Bild 2 zeigt, dass in Deutschland in jeder zweiten Auktion Sniping-Gebote auftreten. In den USA sind demgegenüber nur 30% der Auktionen von Sniping betroffen.
Bild 2:
Anteil der Auktionen mit Sniping-Geboten und erfolgreichen Sniping-Geboten
Auch die Erfolgswahrscheinlichkeit, dass eine Auktion mit Sniping auch mit einem Sniping-Gebot
gewonnen wird, ist länderspezifisch. Während dies in Deutschland lediglich 56% der Auktionen
sind, beträgt der Anteil in den USA 69%. Damit wird Sniping in Deutschland zwar in einem
größeren Anteil der Auktionen eingesetzt als in den anderen Ländern, es ist jedoch prozentual
seltener erfolgreich. In den verschiedenen Produktkategorien wird Sniping unterschiedlich häufig
identifiziert und reicht von 26% (Sims 3) bis zu 40% (IPad 16GB 3G, Windows 7 Professional)
der Auktionen. Die länderübergreifende Erfolgswahrscheinlichkeit von Sniping ist demgegenüber
für alle Produktkategorien ähnlich und liegt bei ungefähr sechs von zehn Fällen.
6
Insgesamt geben Sniping-Bieter (BS) weniger Gebote ab als Bieter, die kein Sniping betreiben
(BoS). Dieser in Tabelle 1 dargestellte Unterschied ist in nahezu allen Segmenten hochsignifikant.
Dabei geben 76% der Sniping-Bieter in der jeweiligen Auktion genau ein Gebot ab und verwenden damit eine ausschließliche Sniping-Strategie. Die verbleibenden 24% setzen entweder
eine kombinierte Bietstrategie ein oder entscheiden sich erst im Auktionsverlauf für Sniping.
Dieser Befund bestätigt tendenziell die Studie von Roth und Ockenfels [14], in der 91% der
befragten Sniping-Bieter angaben, ihre Sniping-Strategie schon am Anfang einer Auktion geplant
zu haben.
Deutschland
USA
BoS
Differenz (BS - BoS)
BoS
Differenz (BS - BoS)
IPad 16GB 3G
1,94
-0,32***
2,13
-0,29***
IPad 32GB 3G
1,99
-0,49***
1,96
-0,58***
IPad 64GB 3G
2,02
-0,72***
2,04
-0,61***
Sims 3 (PC-Spiel)
1,65
-0,07***
(1,93)
(1,13***)
Parfüm Chanel Mademoiselle
1,76
-0,65***
(2,12)
(-0,50)
Windows 7 Professional
1,69
-0,43***
1,87
-0,53***
BS
BoS
***/**/*
Sniping-Bieter
Bieter, die kein Sniping betreiben
Annahme der Alternativhypothese nach dem einseitigen Wilcoxon-Rangsummentest
auf dem 1/5/10-prozentigen Signifikanzniveau
Unzureichende Fallzahl
(…)
Tabelle 1:
4.2
Durchschnittliche Gebotsanzahl von Sniping-Bietern und Bietern ohne Sniping
Profitabilität von Sniping
Die weite Verbreitung zeigt die Bedeutung von Sniping als „best-practice“-Strategie. Die grundlegende Motivation für Sniping bildet die Annahme, mit dieser Strategie das Auktionsobjekt im
Erfolgsfall zu einem besonders günstigen Preis zu erhalten. Der Vergleich der durchschnittlichen
Endpreise zwischen Auktionen mit und ohne Sniping ist für die einzelnen Segmente in Tabelle 2
dargestellt. Dabei zeigt sich in sechs von zehn Segmenten mit ausreichender Fallzahl ein signifikanter Preisunterschied. Vor allem bei den IPad-Auktionen in den USA sind hochsignifikante
Preisdifferenzen zu beobachten. In Deutschland sind drei Segmente mit signifikanten Preisdifferenzen zu beobachten.
USA [in US-$]
Deutschland [in €]
AoS
Differenz (AS - AoS)
AoS
Differenz (AS - AoS)
IPad 16GB 3G
453,66
-11,74**
548,30
-55,92***
IPad 32GB 3G
515,21
-13,75
603,51
-40,47***
IPad 64GB 3G
607,88
-20,77**
696,76
-31,26***
Sims 3 (PC-Spiel)
24,34
1,00
(21,28)
(2,34)
67,37
-0,40
(58,68)
(-3,22)
60,90
-2,36*
92,11
5,34
AS
Auktionen mit Sniping
AoS
***/**/*
Auktionen ohne Sniping
(…)
Tabelle 2:
Vergleich der durchschnittlichen Endpreise von Auktionen mit und ohne Sniping
7
Darauf aufbauend stellt sich die Frage, wie hoch der individuelle Gewinn eines Bieters ist, falls
eine Auktion per Sniping-Gebot gewonnen wird. Hierzu wird die Differenz der durchschnittlichen
Endpreise der Auktionen, in denen Sniping zum Gewinn führte und denen ohne Sniping,
betrachtet. Um den individuellen Gewinn eines Bieters durch Sniping eindeutig bestimmen zu
können, werden Auktionen, in denen Sniping nicht zum Gewinn führte, aus der Untersuchung
ausgeschlossen. Tabelle 3 zeigt unterschiedlich hohe Gewinne durch Sniping in den verschiedenen Segmenten. Der höchste signifikante Gewinn ist bei den IPad-16GB-3G-Auktionen in
den USA zu finden und beläuft sich mit 55$ auf 10% des Auktionspreises. In den untersuchten
Auktionen in Deutschland ist ein durchschnittlicher Gewinn von 1% bis 5% zu messen. Insgesamt ist Sniping damit häufig profitabel, führt jedoch nicht immer zu einer Preisersparnis. In zwei
Segmenten werden für Sniping sogar höhere Preise ermittelt, wobei allerdings das Signifikanzkriterium nicht erfüllt wird.
USA [in US-$]
Deutschland [in €]
AoS
Differenz (ASG - AoS)
AoS
Differenz (ASG - AoS)
IPad 16GB 3G
453,66
-12,40*
548,30
-54,89***
IPad 32GB 3G
515,21
-15,57*
603,51
-36,69***
IPad 64GB 3G
607,88
-8,16
696,76
-35,49***
Sims 3 (PC-Spiel)
24,34
0,58
(21,28)
(3,97***)
(67,37)
(-1,65)
(58,68)
(-1,51)
60,90
-2,77**
92,11
7,04
ASG
AoS
***/**/*
Auktionen mit Sniping-Geboten, die zum Gewinn der Auktion führten
Auktionen ohne Sniping
(…)
Tabelle 3:
Vergleich des Auktionspreises zwischen Auktionen,
in denen Sniper gewonnen haben und Auktionen ohne Sniping
4.3
Sensitivitätsanalyse
Im Rahmen einer Sensitivitätsanalyse wird untersucht, inwieweit die Profitabilität von Sniping
von dem zugrunde gelegten Zehn-Sekunden-Intervall abhängt. Dabei wird betrachtet, ob alternative Intervalle von 5, 20, 60 und 120 Sekunden zu ähnlichen Ergebnissen führen. Tabelle 4
stellt die signifikanten Abweichungen der Endpreise zwischen Sniping-Auktionen (AS) und Auktionen ohne Sniping (AoS) in den jeweiligen Segmenten für unterschiedliche Sniping-Intervalle dar.
Deutschland
5
IPad 16GB 3G
IPad 32GB 3G
**
IPad 64GB 3G
*
10
20
60
120
5
10
20
60
120
**
***
***
***
***
***
***
***
***
*
*
**
***
***
***
***
***
**
**
**
*
***
***
***
***
(…)
(…)
(…)
(…)
(…)
(…)
(…)
(…)
(…)
(…)
**
Sims 3 (PC-Spiel)
***/**/*
(…)
1
Tabelle 4:
(…)
**
USA
*
1
*
Signifikant höherer Endpreis in Sniping-Auktionen
Signifikante Abweichungen der Endpreise für alternative Sniping-Intervalle
8
Es werden in 31 der insgesamt 49 Segmente mit ausreichender Fallzahl signifikante Unterschiede bei den Endpreisen gemessen. Dabei zeigen sich ähnliche Resultate für die verschiedenen
Sniping-Intervalle, jedoch auch einige kleinere Abweichungen.
4.4
Wirkungszusammenhänge
4.4.1
Zusammenhang von Sniping und Bieteranzahl
Bei der Analyse des Bieterverhaltens zeigt sich, dass die Wahrscheinlichkeit für das Auftreten
von Sniping in einer Auktion mit der Zahl der Bieter zunimmt. Bild 3 stellt diesen Zusammenhang
für die erhobenen Auktionen dar. Insgesamt erhöht sich die Sniping-Wahrscheinlichkeit von 10%
in Auktionen mit nur einem Bieter auf ungefähr 50% in Auktionen mit mehr als zwölf Bietern.
Dieser Anstieg kann durch eine punktbiseriale Korrelationsanalyse bestätigt werden. Dabei zeigt
sich ein überwiegend hochsignifikanter und positiver Zusammenhang zwischen der Bieteranzahl
und dem Auftreten von Sniping.
Dieser empirische Befund lässt sich mit einem einfachen statistischen Urnenmodell vergleichen,
in dem Sniping-Bieter und normale Bieter durch zwei Lostypen sniper und normal repräsentiert
werden. Die Wahrscheinlichkeit von Sniping in einer Auktion nimmt dann mit zunehmender
Bieterzahl zu und beträgt p(n) = 1 - (1 - p(sniper))n. Die hieraus resultierenden statistischen
Sniping-Wahrscheinlichkeiten sind in Bild 3 vergleichend für alternative Werte von p(sniper) dargestellt. Im Vergleich zeigt die empirische Sniping-Wahrscheinlichkeit einen flacheren Verlauf als
aus dem statistischen Modell zu erwarten ist. Die Sniper treten damit gehäuft in Auktionen mit
wenigen Bietern auf und meiden damit Auktionen mit höherer Wettbewerbsintensität.
100%
10%
80%
5%
60%
3%
40%
20%
0%
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Bieteranzahl je Auktion
empirische Sniping-Wahrscheinlichkeit
Bild 3:
theoretische Sniping-Wahrscheinlichkeiten
Wahrscheinlichkeit eines Snipers nach Bieteranzahl je Auktion
Ein weiterer Zusammenhang besteht zwischen der Höhe des Startpreises und der Anzahl der
Bieter einer Auktion. Tabelle 5 stellt diese statistisch hochsignifikante, stark negative Beziehung
der beiden Kennzahlen in den untersuchten Segmenten dar. Ein geringer Startpreis attrahiert
mehr Bieter, womit indirekt auch die Wahrscheinlichkeit für Sniping zunimmt. Ein eindeutiger
Zusammenhang zwischen Startpreis und Endpreis lässt sich anhand der Auktionsdaten jedoch
nicht feststellen.
9
Deutschland
USA
IPad 16GB 3G
-0,51***
-0,81***
IPad 32GB 3G
-0,67***
-0,80***
IPad 64GB 3G
-0,56***
-0,81***
Sims 3 (PC-Spiel)
-0,41***
-0,62***
-0,49***
-0,48***
-0,47***
-0,60***
***/**/*
Annahme der Alternativhypothese nach dem einseitigen Signifikanztest
Tabelle 5:
Spearmannsche Rangkorrelationskoeffizienten zwischen Bieteranzahl und Startpreis
4.4.2
Sniping zur Vermeidung von Shilling
Eine der Motivationen für Sniping besteht darin, Phantomgebote seitens des Anbieters zu vermeiden. Die Identifikation dieser als Shilling bezeichneten Manipulation wird in der Literatur
zumeist anhand von indizienbasierten Verfahren vorgenommen. Für die hier vorgenommene
Analyse des Zusammenhanges zwischen Shilling und Sniping wird das Identifizierungsverfahren
von Schmeißer und Peters [16] verwendet, das verschiedene Ansätze aus der Literatur mit
statistischen Methoden kombiniert.
Als Stichprobe werden 445 Verkäufer mit mindestens 30 Auktionen untersucht, von denen
anhand des Verfahrens bei 63 Verkäufern Shilling detektiert wird. Mit einem zweiseitigen
Wilcoxon-Rangsummentest wird anschließend überprüft, ob sich die durchschnittliche SnipingQuote der Shilling-Verkäufer von der anderer Verkäufer unterscheidet. Das Ergebnis zeigt eine
durchschnittliche Sniping-Quote von 40% bei den Shilling-Verkäufern gegenüber einer Quote
von 34% bei den anderen Verkäufern und ist signifikant auf einem Fehlerniveau von einem
Prozent. Dieser Befund kann ein Indiz dafür sein, dass zumindest ein Teil der Bieter das Shilling
der Verkäufer korrekt antizipiert und ihm mit Sniping begegnet. Anzumerken ist, dass das Ergebnis auf wenigen Shilling-Verkäufern basiert und daher weiterer Forschung bedarf. So könnte
die erhöhte Sniping-Quote von 40% auch auf eine Unmasking-Strategie des Verkäufers zurückgehen, die fälschlicherweise als Sniping detektiert wird.
5
Zusammenfassung
Sniping ist eine in Online-Auktionen weit verbreitete Bietstrategie, die darauf abzielt, den Preisanstieg im Auktionsverlauf abzuschwächen. Die empirische Analyse zeigt, dass Sniping in Abhängigkeit des betrachteten Marktsegments zu durchschnittlichen Preisreduzierungen von bis
zu 10% des Auktionspreises führt. Obwohl Sniping in Deutschland besonders weit verbreitet ist,
fällt die Profitabilität hier gegenüber den USA vergleichsweise gering aus. Der Analyse liegt ein
Sniping-Intervall von zehn Sekunden zugrunde, das sich im Rahmen einer Sensitivitätsanalyse
als unkritisch für die erzielten Ergebnisse zeigt.
Als Motivation für Sniping werden in der Literatur verschiedene Erklärungen genannt, die sich
empirisch anhand der Auktionsdaten bislang nur schwer voneinander abgrenzen und verifizieren
lassen. Die im Anschluss an die Kernfrage nach der Profitabilität angestellte explorative Datenanalyse liefert dazu erste Anhaltspunkte. So kann das statisch überproportionale Auftreten von
Sniping in Auktionen mit wenigen Bietern als ein Indiz für das in der Literatur oft genannte
10
Schnäppchenjäger-Motiv interpretiert werden. Auch für das Motiv eines Schutzes vor ShillingGeboten finden sich Indizien. Hier bietet sich ein noch weitgehend offenes Forschungsgebiet,
das interessante Ergebnisse erwarten lässt.
6
Literatur
[1] Ariely, D; Ockenfels, A; Roth, AE (2005): An experimental analysis of ending rules in internet
auctions. RAND Journal of Economics 36(4): 890-907.
[2] Bajari, P; Hortaçsu, A (2003): The winner’s curse, reserve prices, and endogenous entry:
empirical insights from eBay auctions. RAND Journal of Economics 34(2): 329-355.
[3] Bajari, P; Hortaçsu, A (2004): Economic insights from internet auctions. Journal of Economic
Literature 42: 457-486.
[4] Berstein, D (2007): Sniping bargains: late bidding on pairs of eBay auctions. Working paper.
[5] Büning, H; Trenkler, G (1994): Nichtparametrische statistische Methoden. 2. Auflage.
de Gruyter.
[6] Ely, JC; Hossain, T (2009): Sniping and squatting in auction markets. American Economic
Journal 1(2): 68-94.
[7] Engelberg, J; Williams, J (2009): eBay’s proxy bidding: a license to shill. Journal of
Economic Behavior & Organization 72(1): 509-526.
[8] Gray, S; Reiley, D (2007): Measuring the beneﬁts to sniping on eBay: evidence from a ﬁeld
experiment. Diskussionspapier; University of Arizona.
[9] Ku, G; Malhotra, D; Murnighan, JK (2005): Towards a competitive arousal model of decisionmaking: A study of auction fever in live and internet auctions. Organizational Behavior and
Human Decision Processes 96(2): 89-103.
[10] Milgrom, PR; Weber, RJ (1982): A theory of auctions and competitive bidding. Econometrica
50(5): 1089-1122.
[11] Ockenfels, A; Roth AE (2006): Late and multiple bidding in second price Internet auctions:
theory and evidence concerning different rules for ending an auction. Games and Economic
Behavior 55: 297-320.
[12] Peters, M; Severinov, S (2006): Internet auctions with many traders. Journal of Economic
Theory 130: 220-245.
[13] Rasmusen, EB (2006): Strategic implications of uncertainty over one’s own private value in
auctions. Advances in Theoretical Economics 6(1).
[14] Roth, AE; Ockenfels, A (2002): Last-minute bidding and the rules for ending second-price
auctions: evidence from eBay and Amazon auctions on the internet. The American
Economic Review 92(4): 1093-1103.
[15] Schindler, J (2003): Auctions with interdependent valuations - theoretical and empirical
analysis, in particular of internet auctions. Dissertation, Wirtschaftsuniversität Wien.
11
[16] Schmeißer, C; Peters, R (2011): Shilling in Online-Auktionen. In: Bernstein, A; Schwabe, G
(Hrsg.): Proceedings of the 10. International Conference on Wirtschaftsinformatik (WI 2011)
Zürich: 201-206.
[17] Steiglitz, K (2007): Snipers, shills & sharks - eBay and human behavior. Princeton University
Press.
[18] Wang, W; Hidvegi, Z; Whinston, AB (2004): Shill-proof fee (SPF) schedule: the sunscreen
against seller self-collusion in online English auctions. Working paper.
[19] Wilcox, RT (2000): Experts and amateurs: the role of experience in internet auctions.
Marketing Letters 11(4): 363-374.
[20] Wintr, L (2008): Some evidence on late bidding in eBay auctions. NBB Working Paper 126,
National Bank of Belgium.

Sniping in Online-Auktionen - Digitale Bibliothek Braunschweig

Transcription

Similar documents

news HHL increases its efforts for an international orientation

Das Handbuch für die Online-Auktion

9 Abrechnungsgrundsätze und 8 Praxis

PDF - David Feldman SA

Der Langzeitverlauf akuter vorübergehender Psychosen im

Jetzt lesen

Menschen in Spiel-Waren

Haus Olhörn, Whg. 10

BGH, Urt. v. 28.3.2012 – VIII ZR 244/10 Artz

Klick - Turf

+x - Methodenlehre - Johannes Gutenberg

Vollständige Pressemitteilung als PDF